티스토리

Ai ML
검색하기

블로그 홈

Ai ML

neneb.net/m

neneb-net 님의 블로그 입니다.

구독자
0
방명록 방문하기

주요 글 목록

  • 웹 기반 Query 테스트 솔루션 소개 1. Adminer (가볍고 간편한 PHP 기반)특징: 단일 adminer.php 파일로 구성된 초경량 SQL 관리 도구지원 DB: MySQL, PostgreSQL, SQLite, MS SQL 등설치: PHP + 웹서버(IIS 또는 Apache)만 있으면 바로 사용 가능장점: 매우 빠르고 간단, 보안 업데이트 잘됨👉 공식 사이트: https://www.adminer.org/ Adminer is available for: MySQL, MariaDB, PostgreSQL, CockroachDB, SQLite, MS SQL, Oracle. Others can be added via plugin: Elasticsearch, SimpleDB, MongoDB, Firebird, Clickh" data-og-hos.. 공감수 0 댓글수 0 2025. 4. 20.
  • LLM을 훈련하고 활용하기 위해 알아야할 핵심 라이브러리 ⭐PyTorch / TensorFlow◦ 용도: 모델 훈련, 미분 계산, 텐서 연산 ◦ [PyTorch]     • 직관적이고 디버깅이 쉬워 LLM 연구와 실험에 널리 사용됨     •  Hugging Face와의 연동도 뛰어남 ◦ [TensorFlow]     •   구글 생태계(GCP, TFX 등)와 잘 통합되며, 대규모 배포에 적합     •   최근에는 PyTorch보다 덜 사용됨 Hugging Face ⭐Transformers◦  용도: 사전학습된 LLM 모델 불러오기, fine-tuning, inference     •  사전학습된 모델 (GPT, BERT, T5, LLaMA 등)을 쉽게 사용할 수 있게 해주는 라이브러리     •  학습/추론에 필요한 tokenizer, 모델 구조, conf.. 공감수 0 댓글수 0 2025. 4. 10.
  • LlamaIndex에 대한 설명 LlamaIndex는 **언어 모델(LLM)**과 **외부 데이터(문서, DB 등)**를 연결해주는 데이터 프레임워크입니다. • LlamaIndex = LLM + 외부 데이터 연결을 쉽게 만들어주는 도구 LLM은 자체적으로 인터넷이나 PDF, 데이터베이스 같은 구조화되지 않은 데이터에 접근할 수 없습니다. LlamaIndex는 이런 데이터들을 정리하고 쪼개고 인덱싱해서, LLM이 쉽게 "질문-답변", "요약", "검색 기반 생성(RAG)" 등을 할 수 있게 도와주는 라이브러리입니다. • LlamaIndex가 할 수 있는 작업    ◦ 문서 로딩 : PDF, Word, HTML, Notion, Airtable 등 다양한 형식의 문서를 읽어옴    ◦ Chunking : 문서를 적절한 크기로 나눔 (LLM이.. 공감수 0 댓글수 0 2025. 4. 7.
  • 회귀 분석 - Regression analysis 기본적으로, Regression analysis (회귀 분석)은 몇 개의 독립변수 (예 : 배경음악)를 처리하는 과정이 반드시 필요하며, 그 이유는 독립변수가 종속변수 (예 : 가게에 머무는 시간)에 어떤 영향을 끼치는 지 알아보고자 하기 때문입니다.이는 독립변수가 변화함에 따라서, 종속변수 값이 어떻게 변화하는지를 묘사합니다.회귀분석은 몸무게, 속도, 또는 나이와 같은 연속 수치 값으로 분석했을 때 최상의 결과를 도출해낼 수 있습니다.일반 적인 회귀 분석의 활용고객 만족도와 고객 충성도와의 관계를 도출할 수 있음.이웃 주민과 그 규모가 주택 가격에 어떤 영향을 주는지를 확인할 수 있음점포와 역 사이의 거리가 멀면 멀수록 매출이 오르는지 내리는지 혹은 별다른 관계가 없는지 오른다면 대충 얼마 정도가 오르.. 공감수 1 댓글수 1 2025. 3. 28.
  • ACME란? 🔹 ACME(Automated Certificate Management Environment)란?ACME(Automated Certificate Management Environment)는 SSL/TLS 인증서를 자동으로 발급, 갱신, 폐기할 수 있도록 설계된 프로토콜입니다.Let's Encrypt에서 처음 개발했지만, 이제는 다른 CA(Certificate Authority, 인증 기관)에서도 지원하고 있어. 대표적으로 Let's Encrypt, ZeroSSL, Buypass 등이 ACME를 사용해서 SSL 인증서를 자동화할 수 있도록 제공합니다.  🔹 ACME의 주요 기능✅ 인증서 자동 발급✅ 도메인 소유권 검증(DNS, HTTP 등)✅ 자동 갱신 (SSL 인증서가 만료되기 전에 자동으로 갱신 가.. 공감수 0 댓글수 0 2025. 3. 8.
  • 무료 SSL 인증서 발급 사이트 및 방법 요약 🔹 1. Let's Encrypt (가장 많이 사용됨)✅ 특징:무료로 90일 동안 유효한 SSL 인증서 제공자동 갱신 가능 (Certbot 사용)대부분의 웹 서버(Apache, Nginx 등)와 호환됨🔧 발급 방법 (Certbot 사용):1. Certbot 설치sudo apt update && sudo apt install certbot python3-certbot-nginx 2. SSL 인증서 발급 (Nginx 기준)sudo certbot --nginx -d yourdomain.com -d www.yourdomain.com 3. 자동 갱신 설정sudo certbot renew --dry-run 4. 웹 서버 재시작sudo systemctl restart nginx   🔹 2. ZeroSSL✅ 특징.. 공감수 3 댓글수 1 2025. 3. 8.
  • LoRA를 활용한 GPT-2 미세 조정 코드 아래 코드는 Hugging Face의 transformers, peft를 사용하여 GPT-2 모델을 LoRA로 미세 조정하는 예제입니다.✅ 필요한 패키지 설치먼저 필요한 라이브러리를 설치합니다.pip install torch transformers datasets peft accelerate 📌 Python 코드: LoRA를 이용한 GPT-2 미세 조정import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer, TrainingArguments, Trainerfrom peft import LoraConfig, get_peft_modelfrom datasets import load_dataset# 1️⃣ 모델 및 토크나이저 불러오기mo.. 공감수 0 댓글수 0 2025. 3. 7.
  • LoRA(Low-Rank Adaptation)란? 🔹 LoRA(Low-Rank Adaptation)란?LoRA(Low-Rank Adaptation)는 대형 딥러닝 모델을 효율적으로 미세 조정(fine-tuning)하는 방법입니다.기존 모델의 전체 가중치를 업데이트하는 대신, 저차원 행렬(rank가 낮은 행렬)을 추가하여 학습량을 줄이고 성능을 유지하는 방식입니다. 1️⃣ LoRA가 필요한 이유✅ 1. 대형 모델의 학습 비용이 너무 큼GPT, Stable Diffusion 같은 대형 모델은 **수십억 개의 가중치(파라미터)**를 가짐.전체 모델을 미세 조정하려면 엄청난 계산량과 GPU 메모리가 필요함.✅ 2. 기존 모델을 유지하면서 새로운 기능 추가원래 모델의 성능을 유지하면서, 특정 작업이나 스타일에 맞게 조정할 필요가 있음.LoRA는 원본 모델을 수.. 공감수 2 댓글수 0 2025. 3. 7.
  • Python의 enum 사용법 1. 기본적인 Enum 사용법Enum을 사용하면 관련된 상수들을 그룹화할 수 있습니다.from enum import Enumclass Color(Enum): RED = 1 GREEN = 2 BLUE = 3print(Color.RED) # Color.REDprint(Color.RED.value) # 1print(Color.RED.name) # 'RED'2. 자동 값 할당 (auto)값을 직접 지정하지 않고 자동으로 할당할 수 있습니다.from enum import Enum, autoclass Status(Enum): # auto()는 자동으로 1부터 시작하는 정수 값을 할당합니다. PENDING = auto() IN_PROGRESS = auto() COMP.. 공감수 0 댓글수 0 2025. 3. 7.
  • Grafana, MySQL 변수에 따른 선택적 검색 조건 사용 예시 Grafana의 대시보드에 2개의 변수를 생성하였습니다. [종목명/코드]에 입력된 값을 [검색 구분]의 선택값에 따라 서로 다른 컬럼을 검색하는 쿼리 입니다.where 절에 case when으로 조건을 지정할 수 있습니다.select stock_code, stock_name, stock_type, last_collect_event_datefrom tbl_coporation_info_korwhere (case when '$search_type' = '종목코드' then stock_code = '$search_code' else stock_name like '%$search_code%' end)limit 100;위 쿼리는 동작은 되지만 실행계획을 보면 stock_code, stock_name에 .. 공감수 0 댓글수 0 2025. 3. 7.
  • MySQL 쿼리창의 변수의 Collation 확인 및 수정 방법 🔹 COLLATION() 함수 사용set @stock_code := '996161';SELECT COLLATION(@stock_code);✅ 결과 예시: 🔹 CHARSET() 함수 사용set @stock_code := '996161';SELECT CHARSET(@stock_code);✅ 결과 예시:  🔹 변수의 Collaton 과 컬럼의 Collation이 다를 경우의 처리 방법일반적인 변수 선언set @stock_code := '1177851';SELECT COLLATION(@stock_code);     Collation을 지정하여 선언set @stock_code := '1177851' collate utf8mb4_0900_ai_ci;SELECT COLLATION(@stock_code); Con.. 공감수 0 댓글수 0 2025. 3. 6.
  • MySQL(8.0) 문자셋 확인 방법 1️⃣ SHOW VARIABLES 사용SHOW VARIABLES LIKE 'character\_set\_%';✅ 결과 예시: 2️⃣ 특정 데이터베이스의 문자셋 조회SELECT SCHEMA_NAME, DEFAULT_CHARACTER_SET_NAME, DEFAULT_COLLATION_NAMEFROM information_schema.SCHEMATAWHERE SCHEMA_NAME = 'database_name';✅ 결과 예시:   3️⃣ 특정 테이블의 문자셋 조회 - 1show create table tbl_stock_list_us;✅ 결과 예시:CREATE TABLE `tbl_stock_list_us` ( `event_date` date NOT NULL COMMENT '기준일', `symbol_code`.. 공감수 0 댓글수 0 2025. 3. 6.
  • MySQL utf8mb4_0900_ai_ci 와 utf8mb4_unicode_ci 차이점 MySQL에서 utf8mb4_0900_ai_ci와 utf8mb4_unicode_ci는 둘 다 utf8mb4 문자셋을 사용하는 대소문자 무시(_ci: case-insensitive) 비교(collation) 방식이지만, 주요한 차이점이 있습니다.🔹 utf8mb4_unicode_ciMySQL 5.5+ 버전에서 사용되는 표준 유니코드 정렬 방식Unicode 4.0 기준으로 정렬 및 비교 수행일부 문자(예: 이모지, 특수 문자)에 대한 정렬이 최신 유니코드 표준과 다를 수 있음✅ 특징:MySQL 5.5부터 제공되며 널리 사용됨성능은 utf8mb4_general_ci보다는 느리지만 정확함최신 유니코드 규칙을 반영하지 못할 수 있음🔹 utf8mb4_0900_ai_ci**MySQL 8.0+**에서 제공하는 새로운.. 공감수 0 댓글수 0 2025. 3. 6.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.